📫 Contact

Le principal contributeur de ce dépôt est un étudiant en Master qui sera diplômé en 2026. N'hésitez pas à le contacter pour toute collaboration ou opportunité.

Le principal contributeur de ce dépôt est un étudiant diplômé en master promotion 2026, vous êtes invité à prendre contact pour toute opportunité de collaboration ou d'échange.

📅 Actualités

[2026/01] : Nous prenons en charge la génération en mode libre et par modèle, export PPTX, et désormais le mode hors ligne ! La gestion du contexte est ajoutée pour éviter le débordement du contexte.
[2025/12] : 🔥 Version V2 publiée avec des améliorations majeures - Intégration avancée de recherche, conception visuelle libre, création autonome d'actifs, génération texte-vers-image, et environnement d'agent avec sandbox & plus de 20 outils.
[2025/09] : 🛠️ Support du serveur MCP ajouté - voir Serveur MCP pour les détails de configuration
[2025/09] : 🚀 Version v2 publiée avec des améliorations majeures - voir notes de version pour plus de détails
[2025/08] : 🎉 Article accepté à EMNLP 2025 !
[2025/05] : ✨ Version v1 publiée avec les fonctionnalités principales et 🌟 avancée : 1 000 étoiles atteintes sur GitHub ! - voir notes de version pour plus de détails
[2025/01] : 🔓 Code source ouvert, avec code expérimental archivé sur release expérimental

📖 Utilisation

[!IMPORTANT]

1. Toutes ces clés API, configurations et services sont obligatoires.

2. Recommandation d'agent principal : Utilisez Claude pour l'agent de recherche et Gemini pour l'agent de design. GLM-4.7 est également un bon choix parmi les modèles open source.

3. Le mode hors ligne est pris en charge avec des capacités limitées (voir Installation hors ligne ci-dessous).

1. Configuration de l'environnement

Créer les fichiers de configuration (depuis la racine du projet) :

  cp deeppresenter/deeppresenter/config.yaml.example deeppresenter/deeppresenter/config.yaml
  cp deeppresenter/deeppresenter/mcp.json.example deeppresenter/deeppresenter/mcp.json
  ``Configuration en ligne :
  MinerU : Demandez une clé API sur mineru.net. Notez que chaque clé est valide pendant 14 jours.
  Tavily : Demandez une clé API sur tavily.com.
  LLM : Définissez votre point de terminaison du modèle, les clés API et les paramètres associés dans config.yaml.
Configuration hors ligne :

  MinerU : Déployez le serveur MinerU en suivant les instructions du guide Docker de MinerU
  Bascule de configuration : Définissez offline_mode: true dans config.yaml pour éviter de charger les outils dépendants du réseau (par exemple, fetch, search).

  Point de terminaison MinerU : Définissez MINERU_API_URL dans mcp.json sur l'URL de votre service MinerU local
2. Démarrage du service
Construisez les images docker : docker compose build
Depuis Docker Compose :
  
`bash
  docker compose up -d
  `
Exécution en local :
  `bash
  cd deeppresenter
  pip install -e .
  playwright install-deps
  playwright install chromium
  npm install
  npx playwright install chromium
  python webui.py
  `
[!TIP]
🚀 All configurable variables can be found in constants.py.
💡 Case Study
#### Prompt: Please present the given document to me.
  
  
  
  
  
  
  
  
  
  
#### Prompt: 请介绍小米 SU7 的外观和价格
  
  
  
  
  
  
#### Prompt: 请制作一份高中课堂展示课件，主题为“解码立法过程：理解其对国际关系的影响”
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  

Citation 🙏
If you find this project helpful, please use the following to cite it:

bibtex
@inproceedings{zheng-etal-2025-pptagent,
    title = "{PPTA}gent: Generating and Evaluating Presentations Beyond Text-to-Slides",
    author = "Zheng, Hao  and
      Guan, Xinyan  and
      Kong, Hao  and
      Zhang, Wenkai  and
      Zheng, Jia  and
      Zhou, Weixiang  and
      Lin, Hongyu  and
      Lu, Yaojie  and
      Han, Xianpei  and
      Sun, Le",
    editor = "Christodoulopoulos, Christos  and
      Chakraborty, Tanmoy  and
      Rose, Carolyn  and
      Peng, Violet",
    booktitle = "Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2025",
    address = "Suzhou, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2025.emnlp-main.728/",
    doi = "10.18653/v1/2025.emnlp-main.728",
    pages = "14413--14429",
    ISBN = "979-8-89176-332-6",
    abstract = "Automatically generating presentations from documents is a challenging task that requires accommodating content quality, visual appeal, and structural coherence. Existing methods primarily focus on improving and evaluating the content quality in isolation, overlooking visual appeal and structural coherence, which limits their practical applicability. To address these limitations, we propose PPTAgent, which comprehensively improves presentation generation through a two-stage, edit-based approach inspired by human workflows. PPTAgent first analyzes reference presentations to extract slide-level functional types and content schemas, then drafts an outline and iteratively generates editing actions based on selected reference slides to create new slides. To comprehensively evaluate the quality of generated presentations, we further introduce PPTEval, an evaluation framework that assesses presentations across three dimensions: Content, Design, and Coherence. Results demonstrate that PPTAgent significantly outperforms existing automatic presentation generation methods across all three dimensions."
}

--- Tranlated By Open Ai Tx | Last indexed: 2026-02-22 ---